高通量计算框架HTCondor(六)——拾遗

目录

• 1. 正文

• 1.1. 一些问题
• 1.2. 使用建议

• 2. 相关

1. 正文

1.1. 一些问题

如果真正要将HTCondor高通量计算产品化还需要很多工作要做，HTCondor并没有GUI界面，更多更全面的功能在Linux系统下的命令窗口下更方便。

拆分任务也是使用者值得考虑的问题，很多的密集运算其实不太方便拆分，拆分后大概率要进行合并操作，这种合并操作可能也相当耗时，且只能单机运算不能进行分布式计算。拆分任务还需要一定的经验，即如何保证负载均衡，让所有的任务同时完成。

文件访问也是个值得研究的问题。Windows下回默认使用文件传输机制，也就是将数据随着任务程序发送到任务机上区运行，这种方式往往会造成巨大的IO阻塞；再运行完成后，传送的数据又会被清空删除，也造成了IO性能浪费。所以，如果条件允许的情况下，最好还是使用分布式文件管理系统，当然这又是另外一个问题。

Windows下使用的vanilla模式部分功能还是受限的：

1. 是发送到任务机的任务程序无法访问任务机的网络地址资源，这是由于安全策略决定的；
2. 发送的任务程序被进一步封装了，默认参数有改变；
3. 在任务机计算资源存在问题时，不能自动迁移以及断点续作。这个功能对于HTC来说是比较重要的，HTC处理的就是稳定的进行规模运算的问题。这个问题也需要进一步深究。

HTCondor本身的计算资源是按照CPU的核心数划分的；这一点也很值得商榷。如果给一个8核的机器提交任务，这台机器就会同时运行8个任务，如果恰好这个任务是与IO密集相关的，就会造成IO性能的浪费。毕竟硬盘总是只有一个磁头，单个磁头在磁盘中反复移动，会造成磁盘的损耗。而且CPU可以按照核心数划分，那么GPU资源呢？对于基于GPU计算的任务程序该如何划分呢？很多实际的情况下可能是把一台机器作为一个节点更合理一些。

为了达到更好的性能，我曾经简单的采用文件共享机制的办法。也就是HTCondor的任务程序虽然无法访问网络资源，但是可以在计算之前把文件共享做好，把需要的数据提前传送到任务机器上去，保证任务程序访问本地资源即可。这样发送的数据可以反复使用，有助于后续任务的执行效率。这种办法怎么说呢，除非你对网络文件共享那一套非常熟悉，否则建议不要这么做。

1.2. 使用建议

1. condor_q显示任务为H也就是挂起，说明发送的任务程序可能无法正常运行，一般是任务机器缺少必要的运行环境如一些dll。
2. 网络环境需要保持稳定。一些安全软件、防火墙、网络工具可能会造成网络环境的变动，造成任务无法执行。上一篇的实例是基于本地局域网的。
3. HTC更强调稳定性而不仅是高性能，所有的改动都要基于这个原则。
4. HTCondor有设置任务队列优先级运行的功能condor_prio，可以查看文档内相关的说明。
5. 在HTCondor帮助文档的7.2.4节"Executing Jobs as the Submitting User"提到了访问任务程序网络资源的问题：

By default, HTCondor executes jobs on Windows using dedicated run accounts that have minimal access rights and privileges, and which are recreated for each new job. As an alternative, HTCondor can be configured to allow users to run jobs using their Windows login accounts. This may be useful if jobs need access to files on a network share, or to other resources that are not available to the low-privilege run account.

This feature requires use of a condor_credd daemon for secure password storage and retrieval. With the condor_credd daemon running, the user’s password must be stored, using the condor_store_cred tool. Then, a user that wants a job to run using their own account places into the job’s submit description file

run_as_owner = True

这一段的意思是更后台condor_credd进程有关，需要配置相关的环境。但是我根据7.2.5节"The condor_credd Daemon"进行配置并没有成功，有兴趣的童靴可以自己试一试。

2. 相关

上一篇

目录

分类: 分布式计算

标签: 分布式计算 , 集群计算 , HTCondor